Prompt engineering: la técnica que ordena la ficha clínica

RESUMEN

Investigadores del University College London y del Moorfields Eye Hospital, en Reino Unido, publicaron un estudio en el que desarrollaron un sistema basado en modelos de lenguaje (LLM) capaz de leer cartas clínicas de oftalmología escritas en texto libre y convertirlas en datos estructurados y buscables. Usando prompt engineering —el ajuste iterativo de las instrucciones que se le dan a un modelo de inteligencia artificial, sin necesidad de reentrenarlo— lograron identificar diagnósticos con una precisión (F1) de 0,954 sobre nueve condiciones oftalmológicas distintas, validada además con cartas de fechas posteriores a las usadas para ajustar el sistema.

El trabajo es de medicina humana, no de medicina veterinaria, y así hay que leerlo. Pero el problema que resuelve es prácticamente el mismo que enfrenta cualquier clínica veterinaria: convertir la ficha clínica —llena de notas sueltas, abreviaturas y texto libre— en información ordenada que se pueda buscar, comparar y usar para tomar decisiones.

¿QUÉ ESTÁ PASANDO?

La mayor parte de la información clínica, tanto en medicina humana como en veterinaria, se escribe como texto libre: lo que el profesional anota durante o después de la consulta. Ese formato es rápido de redactar, pero muy difícil de aprovechar después, porque no se puede filtrar, cruzar ni convertir en estadísticas sin que alguien lo revise a mano.

El equipo de Moorfields probó si un modelo de lenguaje podía hacer ese trabajo de forma automática, ajustando el sistema únicamente a través de instrucciones cada vez más precisas, no reentrenando el modelo desde cero, que es costoso y lento. Además de medir la precisión, construyeron una forma de evaluar el costo operativo de cada configuración: probaron 17 modelos de siete familias distintas de código abierto y mapearon la relación entre exactitud y recursos necesarios, una especie de mapa de qué tan bien funciona cada opción frente a cuánto cuesta hacerla funcionar.

¿POR QUÉ ES IMPORTANTE PARA UNA CLÍNICA VETERINARIA?

Ninguna clínica veterinaria latinoamericana va a implementar este sistema tal como está: fue diseñado y validado para cartas de oftalmología humana, con anotación de especialistas y en inglés. Pero la dirección que marca es relevante para cualquier administrador o veterinario que gestiona una ficha clínica electrónica.

Hoy, buena parte del valor de una ficha clínica veterinaria queda atrapado en el campo de texto libre: la anamnesis, la evolución, las observaciones del médico. Esa información es clínicamente valiosa, pero operativamente casi invisible, porque no aparece en reportes, no se puede cruzar con otras fichas y no ayuda a detectar patrones, por ejemplo cuántos pacientes de una raza determinada llegan con un mismo síntoma en un período específico. La técnica que describe este estudio apunta justamente a resolver ese problema: convertir lo que el veterinario ya escribe en datos estructurados, sin cambiarle la forma de trabajar.

¿QUÉ PUEDE APRENDER UNA CLÍNICA?

• La calidad de una ficha clínica no depende solo de cuánto se escribe, sino de qué tan fácil es reutilizar esa información después.
• Los sistemas de IA que "leen" texto clínico ya muestran resultados de precisión altos en estudios controlados, aunque todavía no están validados para uso clínico veterinario.
• Antes de pensar en incorporar IA, conviene revisar qué tan ordenados están hoy los propios registros: campos completos y terminología consistente ayudan más que cualquier tecnología futura.
• Elegir un modelo de IA no es solo una decisión de precisión: también implica costo, tiempo de respuesta y qué tan fácil es auditar sus errores, como muestra el análisis de este estudio.
• Estas tecnologías avanzan primero en medicina humana y llegan después, adaptadas, a la veterinaria: vale la pena seguir su evolución aunque hoy no sean aplicables directamente.

RELACIÓN CON WIREVET

Esta tendencia se relaciona directamente con la necesidad de contar con una ficha clínica ordenada, completa y consistente, que es justamente el punto de partida que cualquier sistema de extracción automática de datos, humano o veterinario, necesita para funcionar. Sin una ficha clínica bien estructurada desde el día uno, ninguna tecnología futura de este tipo tiene información limpia sobre la cual trabajar.

En el contexto de WIREVET, esto puede relacionarse con cómo se registra hoy la anamnesis, la evolución y las observaciones de cada paciente: mientras más ordenados estén esos campos, más preparada estará la clínica para aprovechar herramientas de este tipo cuando lleguen adaptadas al sector veterinario.

APLICACIÓN PRÁCTICA

Esta semana, un administrador o veterinario puede revisar cómo se está usando la ficha clínica en su equipo: ¿se completan los campos estructurados, como diagnóstico, vacunas y prestaciones, o todo termina escrito como texto libre en un solo campo de observaciones? Ordenar ese hábito de registro, aunque parezca un detalle menor, es lo que determinará qué tan lista está la clínica para aprovechar herramientas de análisis de datos o de IA en los próximos años.

FUENTE ORIGINAL

El estudio completo, publicado en npj Digital Medicine, detalla la metodología, el desempeño de los distintos modelos evaluados y el marco de análisis de errores desarrollado por el equipo de Moorfields Eye Hospital y University College London.

CONCLUSIÓN

El estudio no habla de veterinaria, pero marca una dirección clara: los modelos de lenguaje ya son capaces de convertir texto clínico libre en datos estructurados con niveles de precisión altos, y lo hacen sin necesidad de reentrenamientos costosos. Cuando esa capacidad llegue, adaptada y validada, al mundo veterinario, las clínicas que ya tengan una ficha clínica ordenada van a estar en mejor posición para aprovecharla que las que sigan dependiendo exclusivamente del texto libre.

En WIREVET es importante que conozcas estas noticias para ayudarte a entender tu negocio, anticiparte a los cambios tecnológicos y tomar mejores decisiones para la gestión de tu clínica veterinaria.